個性化學習調節學業情緒的實證研究

摘要：學業情緒作為影響學習者發展的重要非認知因素，近年來持續受到關注。個性化學習能否有效促進學習與學業情緒密切相關，但研究者對此探討不足。基于此，文章聚焦于探討個性化學習調節學業情緒的效果與機理，首先在學習技術研究范式的指導下，確定了包含效價、喚醒度、發生頻率的學業情緒測量指標；之后以小學數學“圓的初步認識”單元教學為例開展對比實驗，分析了學業情緒、學習成績和學業情緒的中介效應。文章發現：參與個性化學習的學生以積極低喚醒情緒為主導，且學業情緒指標變化和調節效果明顯；個性化學習可以有效促進學生學習成績的提升；學業情緒（主要是減少消極情緒）在個性化學習與學習成績提升之間起中介作用。文章的研究為學業情緒的有效課堂干預提供了理論指導和實證支持，并為“個性化學習如何有效提升學習成績”這一問題的解決提供了新思路。

關鍵詞：個性化學習；學業情緒；學習成績；學習技術研究范式

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2025）04—0110—09【DOI】10.3969/j.issn.1009-8097.2025.04.012

引言

學習技術（CTCL）是指“在文化（Culture，C）視野下將技術（Technology，T）、學習內容（Content，C）、學習者（Learner，L）相統合”的教育技術學研究新范式[1]，注重通過“技術支持的基于認知發展的個性化學習”（Technology supported Personalized Learning based on Cognitive development，TPLC）來提升學習者的學習成績。然而，學習者的學習成績差異不僅是認知因素作用的結果，還受學業情緒、學習投入等非認知因素的影響[2]。

學業情緒是指在教學或學習過程中與學習者學業有關的各種情緒體驗[3]，對學習者的學習動機、參與度、學業成就乃至心理健康具有深遠影響[4]。目前，已有部分研究探討了個性化學習中情緒的作用理論及其技術測量[5][6]，但關于個性化學習對情緒調節效果的實證研究仍然不足。因此，本研究嘗試通過常規授課與個性化學習的對比實驗，探討個性化學習對學業情緒的干預效果和作用機理，旨在提升學習者的學習成績，并為其綜合素質和核心素養發展奠定基礎。

一學業情緒相關研究

1 學業情緒研究進課堂

課堂是教育教學的主陣地，進入課堂有效改善教學是促進學生發展的關鍵[7]，故學業情緒研究需要進課堂。Pekrun等[8]指出，學業情緒是學生在學校情境中經歷的成就情緒，不僅包含與成功和失敗有關的情緒，還包括與教學或學習過程有關的情緒。可見，關注學習過程中的情緒是必要的。目前，國內外研究者已開始在課堂中運用生理檢測、文本分析等手段探究學習者的情緒變化[9][10]。此外，韓穎等[11]以技術為情緒干預手段，在小學數學課堂情境中開展了實證研究，發現技術能夠有效干預學業情緒以提升學習效果。盡管相關研究一般聚焦課程學習內容或進行小樣本研究，但也為技術進課堂調節學業情緒研究奠定了基礎。

2 基于多源數據測量學業情緒

一般認為，情緒由主觀感受、生理反應和外顯表情三個維度構成[12]，基于這些維度形成的多源數據可成為推測情緒的依據。早期，常見的做法是借助主觀學業情緒量表，測量學習者在一段時間內的學業情緒主觀感受[13]，但其主觀性較強、測量粒度較大，且在測量準度和課堂過程分析方面存在不足[14]。隨著情緒識別技術成熟和成本下降，研究者開始使用客觀多源的數據（如生理指標、多模態信息）推測學業情緒[15][16]。CTCL研究范式主張通過可測量的生理指標、可觀察的表情數據等來推測學習者的情緒變化，如韓穎[17]使用皮膚電反應、面部表情、學業情緒主觀感受三種數據推測學習者的情緒變化。基于多源數據的學業情緒測量，能夠更有效地支持不同學習場景下的學業情緒研究，但這種方法在教育中的可解釋性有待加強。

3 從具體學習場景出發研究學業情緒

從不同學習場景研究學業情緒，有助于深化對學業情緒的整體理解。現有研究關注在線學習、協作學習等場景下學生的情緒狀態[18][19]，CTCL范式也主張從具體場景出發研究學業情緒。例如，高子男[20]對比分析了探究學習場景與常規學習場景下學生的學業情緒，發現探究學習有效調動了學生的學業情緒并促進了其認知發展。此外，有研究指出個性化學習場景與常規講授學習場景下的情緒存在差異[21]，且在個性化學習場景下學生的積極學業情緒體驗更多[22]。盡管研究者已對不同學習場景下學生學業情緒的特征、調節機制等方面進行了一定的理論探討，但在情緒的客觀測量、過程分析方面的實證研究仍然比較缺乏。

綜上，學業情緒研究已呈現出關注課堂、重視數據、場景分化等趨勢，但其仍處于起步階段，立足課堂開展不同場景下的情緒實證研究亟待加強。基于此，本研究關注個性化學習調節學業情緒的表征、機制，通過深入解析學生心理、生理層面的變化，以探究技術促進學習的內在機理。

二學業情緒的測量指標

測量學業情緒的指標有多個，如情緒的效價、喚醒度、發生頻率、時間特征等[23]。本研究從情緒表征的完整性、數據分析的適切性等方面綜合考察，選擇效價、喚醒度、發生頻率三個指標測量學業情緒。

1 效價

效價是指情緒發生時的積極程度。有研究表明，可以從面部表情中提取情緒的效價，但單獨使用面部表情測量效價存在一定的局限性，如無聊和專注兩種蘊含相反效價的學業情緒對應的表情較難區分。而結合身體、動作、表情可以更準確地判斷效價，如“無聊”情緒通常伴隨著身體的搖擺不定，而“困惑”情緒通常伴隨著觸摸頭發、下巴、額頭等行為。基于此，本研究根據面部表情和行為表情來綜合判斷學業情緒的效價，即采用面部與身體動作（Face and Body Gesture，FABO）編碼表[24]，針對學生的面部表情和動作表情進行觀察編碼，提取表情蘊含的效價指標，形成消極效價、中性效價、積極效價三個二級指標。

2 喚醒度

喚醒度是指情緒發生時的激活程度。目前，研究者多將情緒喚醒度與生理喚醒度聯系起來。其中，皮膚電反應（Electrodermal Activity，EDA）是生理反應的一種，可用來衡量學習過程中情緒的喚醒度，其主要指標為皮膚電導（Skin Conductance，SC）[25]。考慮到不同學生的SC均值可能存在較大的個體差異，故本研究采用最值標準化的方式，將每個學生的SC值歸入（0，1）的區間中[26]，之后轉換為標準化皮膚電導（Standard Skin Conductance，SSC）。一般而言，接近0的SSC值被解釋為低喚醒水平[27]。本研究采用SSC量化學生學業情緒的喚醒度，并設定低喚醒[0， 0.5）、高喚醒[0.5， 1]兩個二級指標。

3 發生頻率

發生頻率主要指學業情緒在一段時間內出現的次數。EDA的變化與情緒的喚起有關，可以通過檢測EDA的變化情況來反映學業情緒的發生頻率[28]。皮膚電導反應（Skin Conductance Response，SCR）是EDA的突變性成分[29]，可以理解為學生情緒喚起時EDA的瞬時變化。本研究使用SCR發生頻率（SCR Frequency，SCRF）表征某段時間內學業情緒變化的頻率，其中靜息態的SCRF約為0～3次/分鐘，可用來表示學業情緒的低發生頻率。

三研究設計

1 研究問題

通過比較常態化學習與個性化學習中的學生學業情緒，本研究試圖回答以下問題：①個性化學習對學生學業情緒的影響如何？②個性化學習對學生學習成績的影響如何？③個性化學習、學業情緒、學習成績之間有何關系？

2 研究對象與實驗內容

本研究隨機選取華東地區S市某小學四年級的2個自然班為研究對象，其中1個班設為對照班、有30人（含16名男生），另一個班設為實驗班、有27人（含14名男生），參與實驗的學生性別比接近1：1。

本研究選擇小學數學“圓的初步認識”單元為實驗的教學內容，此內容與學生的生活關聯較為密切，有助于觀察學生的情緒變化。“圓的初步認識”單元教學包含三個課時，主要內容分別為認識圓、學習畫圓、鞏固練習。其中，“認識圓”這部分教學受外部的干擾較小，故本研究以第一課時為例展開實驗分析。

本研究的主要變量為是否進行個性化學習，其中對照班開展常態化教學，無任何干預；實驗班開展個性化學習，由研究者開發的學習支持系統提供必要的認知起點匹配、個性化學習資源推送等技術支持。實驗班設有兩個學習環節，其中個性化學習環節的總時長約為9分鐘，由學生自主學習新知；其余的導入、總結等環節歸為非個性化環節，總時長約為26分鐘。兩個班級的教學均由同一名教師開展，且學習內容、學習環境等無關變量保持一致。

3 個性化學習設計與實施

在本研究中，實驗班采用的個性化學習方式由研究者與多名經驗豐富的教師基于任課教師原有的教學設計調整而來，除了新知學習環節，其他教學過程與對照班均保持一致。個性化學習設計遵循CTCL研究范式下TPLC設計規范開展[30]，重點涉及認知起點測查、基于認知起點的學習資源開發兩個部分。

個性化學習的主要思路，是對學生差異化的認知起點進行干預。認知起點是學生在開展正式學習前對學習內容的認知狀態，本研究采用二階認知起點診斷工具測量學生的認知起點。認知起點主要分為表象層和成因層，其中表象層是指學生針對具體學習內容提問所形成的答案，成因層則指學生提出形成這一答案的理由。實驗測得學生的認知起點共計16項（如“圓與球體的混淆”），基于這些認知起點可以對學生進行個性化學習干預。在實驗授課過程中，學習支持系統能夠讀取學生的認知起點，實現個性化學習支持。

本研究基于學生認知起點的表象層、成因層開發個性化學習資源，制定認知沖突策略。認知沖突可能會引發學生的驚訝、困惑等高喚醒情緒，但隨著認知沖突的調解，學生的學業情緒會呈現出積極變化的趨勢。以“圓與球體的混淆”此認知起點為例，表象層是指“學生將足球視為圓”，成因層是指“足球看起來是一個圓”，而個性化學習資源設計是用三維動畫直觀展示“球體（如足球）作為立體圖形”與“圓作為平面圖形”的區別。此外，學習支持系統為學習資源、課上練習的個性化推送提供技術支持。

4 數據收集與分析思路

（1）數據收集

本研究主要收集學生的學習成績數據和學業情緒數據，其中學習成績數據是指學生的數學考試成績，而學業情緒數據包括表情數據和皮膚電反應數據。

本研究使用前、后測試卷測量學生的數學考試成績，試卷由兩名教學經驗豐富的數學教師聯合出具，總分為100分。本研究使用小型攝像機采集學生在學習過程中的上半身視頻，并通過視頻剪輯、畫面切割等操作獲取學習過程中學生個體的外顯表情信息。在此基礎上，本研究應用FABO編碼表對收集的學生表情數據進行編碼。編碼由3名編碼者獨立完成，編碼者之間的內部一致性系數為0.87。同時，本研究使用美國Biopac公司生產的MP160多導生理記錄儀中的EDA模塊采集被試的皮膚電反應數據，并應用AcqKnowledge 5.0、Ledalab 3.4等軟件對采集的數據進行記錄、預處理操作，包括剔除無效樣本、降低采樣率、中值平滑、低通濾波、連接斷點、數據標準化等。

（2）數據分析思路

本研究結合描述性分析和探索性分析對數據進行深入分析，具體包括以下三個方面：①學業情緒分析，其測量指標分析采用獨立樣本T檢驗，比較對照班與實驗班學業情緒指標的均值差異；時序分析采用作圖、制表等方法，結合重復測量方差分析，探索學業情緒在學習過程中的變化規律；分組分析采用均值比較、個體分析等方法，考察不同實驗條件下學生學業情緒的差異。②學習成績分析，采用獨立樣本T檢驗，比較實驗班與對照班的成績差異。③個性化學習、學業情緒與學習成績提升的關系分析，運用中介效應檢驗法，探究學業情緒在個性化學習與學習成績提升之間的作用機制。

四研究分析

1 學業情緒分析

（1）學業情緒的測量指標分析

本研究應用效價、喚醒度、發生頻率三個指標，對學生的學業情緒進行了測量，結果顯示：①實驗班學生的積極效價發生占比（42.80%＞23.27%）、中性效價發生占比（47.98%＞39.05%）均高于對照班，而消極效價發生占比低于對照班（9.23%＜37.68%）；②實驗班與對照班在喚醒度上比較接近（實驗班、對照班的SSC均值分別為0.33、0.31），兩者不存在顯著差異（p=0.519＞0.05）；③實驗班的學業情緒發生頻率顯著高于對照班（實驗班、對照班的SCRF均值分別為4.89、4.37），兩者存在顯著差異（p=0.027＜0.05）。

為了更直觀地呈現對照班與實驗班學業情緒的基本情況，本研究借鑒情緒心理學中廣泛應用的“效價-喚醒度”二維理論框架，將學業情緒劃分為積極低喚醒、積極高喚醒、中性低喚醒、中性高喚醒、消極低喚醒和消極高喚醒六種類型，并通過對比分析揭示對照班與實驗班學業情緒的分布特征，如圖1所示。圖1顯示，對照班積極低喚醒情緒的發生占比比實驗班低21.29%，存在極其顯著差異（p=0.000＜0.001）；而對照班消極低喚醒情緒的發生占比比實驗班高29.93%，存在顯著差異（p=0.015＜0.05）。

（2）學業情緒的時序分析

為了方便進行數據分析，本研究采用1分鐘的時間窗口對學業情緒各指標進行量化并作圖，之后比較對照班與實驗班的學業情緒指標變化，結果如圖2所示。圖2顯示，對照班在常態化教學場景（紅色縱向點線與藍色縱向虛線之間）的學業情緒指標變化不明顯，而實驗班在與常態化教學場景相對應的個性化學習場景的積極效價占比、SSC值、SCRF值均呈上升趨勢。進一步對兩個班的連續時間采樣窗口進行重復測量方差分析，本研究發現：對照班在不同時刻的SSC值不存在顯著差異（F（2.52， 65.43）=2.45，p=0.081＞0.05），而實驗班在不同時刻的SSC值存在顯著差異（F（5.49， 120.83）=7.84，p=0.000＜0.001）。兩兩比較的結果顯示，實驗班學業情緒顯著變化的時刻為上課5分鐘（p=0.046＜0.05）、30分鐘（p=0.007＜0.05），這分別與第一次個性化學習的開始時刻、第二次個性化學習的結束時刻相對應。

（3）學業情緒的分組分析

在實驗班中選取成績提升排名前30%、后30%的學生各8人，分別納入高提升組、低提升組。分析兩組學生在個性化學習、非個性化學習環節的學業情緒狀態，結果表明：高提升組的積極效價占比、喚醒度比低提升組更高，但兩組的發生頻率接近。由于分組后樣本量較小，故本研究主要進行均值比較與個案觀察，得到實驗班兩組學生在不同學習環節的學業情緒狀態（如表1所示）及其變化示例（如圖3所示）。

表1顯示，在個性化學習環節，高提升組的積極效價占比、SSC均值都高于低提升組，但兩組的SCRF均值相等；而在非個性化學習環節，雖然高提升組的SCRF均值略高于低提升組，但兩組的SSC均值相等、高提升組的積極效價占比均值低于低提升組，可見個性化學習對高提升組的學業情緒調節效果更明顯。

圖3顯示，低提升組的學業情緒狀態變化不大；而高提升組經歷了更豐富的高喚醒認知情緒（如困惑、驚訝等），且學習后轉為低喚醒情緒（如專注）。可見，高提升組經歷了更多的認知沖突，但在個性化學習資源的支持與針對性反饋的引導下，這些沖突得到了有效化解。

2 學習成績分析

分析對照班與實驗班前、后測的學習成績可以發現：在前測中，對照班的平均分為34.10分，而實驗班為34.34分，因此兩個班的平均成績相差不大，T檢驗結果也顯示兩個班的前測平均成績無顯著差異（p=0.941＞0.05）；在后測中，對照班的平均分為68.56分，而實驗班為80.10分，因此兩個班的平均成績相差11.54分，T檢驗結果也顯示兩個班的后測平均成績存在顯著差異（p=0.005＜0.05），具體如表2所示。可見，兩個班在開展實驗教學后都有所進步，但實驗班的學習成績提升幅度高于對照班，且存在顯著差異。

3 個性化學習、學業情緒、學習成績提升的關系分析

分析自變量（個性化學習）、中介變量（學業情緒）、因變量（學習成績提升）三者的關系，本研究得到學業情緒在個性化學習與學習成績提升之間的中介作用路徑，如圖4所示。圖4顯示，個性化學習顯著減少了學生的消極情緒（β=-0.14，p=0.026＜0.05），而消極情緒顯著阻礙了學習成績提升（β=-56.45，p=0.000＜0.001）。

本研究采用SPSS Process 4.2插件中的Model 4，檢驗學業情緒的中介效應，結果如表3所示。表3顯示，個性化學習對學習成績提升的總效應顯著（β=19.97，p=0.001＜0.005），在控制消極情緒后，這一影響有所減弱但仍存在顯著的直接效應（β=12.05，p=0.016＜0.05）；通過減少消極情緒，個性化學習對學習成績提升的間接效應顯著（β=7.92，Bootstrap 95% CI值為[2.84， 14.60]）。可見，學業情緒（主要是減少消極情緒）在個性化學習與學習成績提升之間起中介作用。

五結論與啟示

1 參與個性化學習的學生以積極低喚醒情緒為主導，且學業情緒指標變化和調節效果明顯

學業情緒測量指標的對比分析結果顯示，參與個性化學習的實驗班學生以積極低喚醒情緒為主導，且動態變化更為豐富；而參與常態化教學的對照班學生以消極低喚醒情緒為主導。學業情緒的時序分析結果表明，實驗班學業情緒的三個指標變化均呈上升的趨勢。此外，學業情緒的分組分析結果顯示，個性化學習對實驗班高提升組的學業情緒調節效果更加明顯，該組經歷了更多的認知沖突且這些沖突得到了有效化解。以上結論表明，學業情緒的優化與個性化學習對學生認知狀態的適配密切相關：這種適配通過激發認知沖突來誘發認知情緒，隨后在解決沖突的過程中實現認知性情緒的積極轉化，從而營造出積極低喚醒導向的班級情緒氛圍。基于此，教育工作者進行教學與研究時需要重點關注學生認知狀態適配在情緒調節中的作用。

2 個性化學習可以有效促進學生學習成績的提升

學習成績分析結果顯示，實驗班和對照班在開展實驗教學后的學習成績都有進步，但實驗班的學習成績提升幅度顯著高于對照班，這說明個性化學習可以有效促進學生學習成績的提升。學生學習成績的提升，與其認知發展和情緒優化密切相關，而適切的學習干預既可促進學生認知發展，也可改善其情緒狀態，從而促進學生學習成績的提升。基于此，教育工作者進行教學與研究時應充分考慮認知與情緒的交互作用，不斷優化學習干預策略，以進一步提升學生的學習成績。

3 學業情緒（主要是減少消極情緒）在個性化學習與學習成績提升之間起中介作用

學業情緒的中介效應檢驗結果顯示，消極情緒顯著阻礙學習成績提升，而個性化學習可以顯著減少學生的消極情緒；通過減少消極情緒，個性化學習間接提升了學生的學習成績。這說明學業情緒（主要是減少消極情緒）在個性化學習與學習成績提升之間起中介作用，存在“學習干預→情緒優化→成績提升”的傳導機制。可見，學業情緒不僅是學習過程的伴隨現象，更是技術賦能教育中不可忽視的干預節點。基于此，教育工作者進行教學與研究時要重視學業情緒的作用，制定有效的情緒調節策略，其目的不僅在于提升學生的學習成績，更在于提升其情緒調節能力，從而更好地支持學生的全面發展。

————————

參考文獻

[1]董玉琦，王靖，伊亮亮，等.CTCL：教育技術學研究的新范式（1）——基本構想與初步研究[J].遠程教育雜志，2012，（2）：3-14.

[2]韓穎，畢景剛，董玉琦.學業情緒研究及其對教學的啟示[J].教育探索，2018，（4）：1-4.

[3]俞國良，董妍.學業情緒研究及其對學生發展的意義[J].教育研究，2005，（10）：39-43.

[4]Camacho-Morles J， Slemp G R， Pekrun R， et al. Activity achievement emotions and academic performance： A meta-analysis[J]. Educational Psychology Review， 2021，33：1051-1095.

[5]Martinez M. Key design considerations for personalized learning on the web[J]. Journal of Educational Technology amp; Society， 2001，（1）：26-40.

[6]Govea J， Navarro A M， Sánchez-Viteri S， et al. Implementation of deep reinforcement learning models for emotion detection and personalization of learning in hybrid educational environments[J]. Frontiers in Artificial Intelligence， 2024，7：1458230.

[7]董玉琦，林琳.有效推進新時代教育的高質量發展——《上海市教育數字化轉型“十四五”規劃》解讀[J].中國教育信息化，2022，（7）：10-20.

[8][14]Pekrun R， Goetz T， Titz W， et al. Academic emotions in students’ self-regulated learning and achievement： A program of qualitative and quantitative research[J]. Educational Psychologist， 2002，（2）：91-105.

[9]Nguyen A， J?rvel? S， Rosé C， et al. Examining socially shared regulation and shared physiological arousal events with multimodal learning analytics[J]. British Journal of Educational Technology， 2023，（1）：293-312.

[10]劉智，楊重陽，彭晛，等.SPOC論壇互動中學習者情緒特征及其與學習效果的關系研究[J].中國電化教育，2018，（4）：102-110.

[11]韓穎，董玉琦，畢景剛，等.小學數學課堂學習中技術效應的實證研究——基于學業情緒中介的視角[J].現代教育技術，2019，（2）：101-106.

[12]Izard C E. The psychology of emotions[M].New York： Plenum Press， 1991：27-57.

[13]Starkey-Perret R， Deledalle A， Jeoffrion C， et al. Measuring the impact of teaching approaches on achievement-related emotions： The use of the achievement emotions questionnaire[J]. British Journal of Educational Psychology， 2018，（3）：446-464.

[15]Roos A L， Goetz T， Krannich M， et al. Control， anxiety and test performance： Self‐reported and physiological indicators of anxiety as mediators[J]. British Journal of Educational Psychology， 2023，93：72-89.

[16]Peng S， Nagao K. Recognition of students’ mental states in discussion based on multimodal data and its application to educational support[J]. IEEE Access， 2021，9：18235-18250.

[17]韓穎.學業情緒視域下技術促進學習的成效與機理研究[M].北京：商務印書館國際有限公司，2022：113-143.

[18]王雪，張蕾，楊文亞，等.在線學習資源如何影響學業情緒和學習效果——基于控制-價值理論的元分析[J].現代遠程教育研究，2021，（5）：82-93、102.

[19]劉清堂，尹興翰，章光瓊，等.在線協作會話中情緒設計支持的教學代理反饋模型構建及應用研究[J].電化教育研究，2024，（1）：84-91、99.

[20]高子男.探究式課堂環境下的學習情緒研究[D].上海：上海師范大學，2024：74-98.

[21]Kim C M. The role of affective and motivational factors in designing personalized learning environments[J]. Educational Technology Research and Development， 2012，（4）：563-584.

[22]Sabin M， Jin K H， Smith A. Oral exams in shift to remote learning[A]. Proceedings of the 52nd ACM Technical Symposium on Computer Science Education[C].New York， NY， USA： Association for Computing Machinery， 2021：666-672.

[23]Hascher T. Learning and emotion： Perspectives for theory and research[J]. European Educational Research Journal， 2010，（1）：13-28.

[24]Gunes H， Piccardi M. A bimodal face and body gesture database for automatic analysis of human nonverbal affective behavior[A]. 18th International Conference on Pattern Recognition （ICPR’06）[C].Hong Kong， China： IEEE， 2006：1148-1153.

[25]Bradley M M， Lang P J. Measuring emotion： Behavior， feeling， and physiology[A]. Cognitive Neuroscience of Emotion[C]. Oxford： Oxford University Press， 2000：242-276.

[26]Dawson M E， Schell A M， Filion D L. The electrodermal system[J]. Handbook of Psychophysiology， 2007，2：200-223.

[27]Harley J M， Jarrell A， Lajoie S P. Emotion regulation tendencies， achievement emotions， and physiological arousal in a medical diagnostic reasoning simulation[J]. Instructional Science， 2019，47：151-180.

[28]Boucsein W， Fowles D C， Grimnes S， et al. Publication recommendations for electrodermal measurements[J]. Psychophysiology， 2012，（8）：1017-1034.

[29]韓穎，董玉琦，畢景剛.學習分析中情緒的生理數據表征——皮膚電反應的應用前瞻[J].現代教育技術，2018，（10）：12-19.

[30]董玉琦，王靖，施智勇，等.學習技術（CTCL）范式下技術促進學習研究進展（3）：小學數學《中位數與眾數》單元教學的實驗研究[J].中國電化教育，2021，（11）：115-123.

Empirical Research on the Regulation of Academic Emotions in Personalized Learning

——An Example of Elementary School Mathematics Unit Instruction on “An Introduction to Circles”

LIU Xiang-Cong1""" DONG Yu-Qi1[Corresponding Author]CHEN Xing-Ye2"" PEI Yuan-Qing3""" GAO Zi-Nan1

（1. College of Education， Shanghai Normal University， Shanghai， China 200234;2. Shanghai Experimental

School， Shanghai， China 200125; 3. Shanghai Experimental Primary School， Shanghai， China 200010）

Abstract： Academic emotion， as a crucial non-cognitive factor affecting learners’ development， has gained sustained attention in recent years. Whether personalized learning can effectively promote learning is closely related to academic emotion， but researchers have not discussed this. Based on this， this paper focused on the effect and mechanism of personalized learning in regulating academic emotion， and defined academic emotion indicators including valence， arousal， and frequency under the guidance of the research paradigm of learning technology. A comparative experiment was conducted taking a primary school mathematics unit instruction on “An Introduction to Circles” as an example， and analyzed academic emotion， academic performance， and the mediating effect of academic emotion. It was found out that the students who participated in personalized learning were dominated by positive and low arousal emotion， and the change and adjustment effect of academic emotion index were obvious. Meanwhile， personalized learning could effectively improve students’academic achievement， and academic emotion （particularly reducing negative emotions） mediated the relationship between personalized learning and academic performance. The research of this paper provided theoretical guidance and empirical support for effective classroom interventions targeting academic emotions and offered new insights to solve the problem of “how personalized learning can effectively improve academic performance”.

Keywords： personalized learning; academic emotions; academic performance; learningtechnology research

————————

*基金項目：本文為全國教育科學規劃2022年度教育部重點課題“學業情緒的多源數據表征及其對學習效果的影響——以理科教學為中心”（項目編號：DHA220483）的階段性研究成果。

作者簡介：劉相聰，在讀博士，研究方向為學習技術（CTCL）、學業情緒，郵箱為l_xiangcong@foxmail.com。

收稿日期：2024年9月26日編輯：小米